분석 과제 발굴

문제를 먼저 정하고 답을 찾아 내려가는 하향식 접근법과, 데이터를 먼저 들여다보며 문제를 찾아 올라가는 상향식 접근법이 있다. 실무에서는 두 방식을 섞어 쓴다.

하향식 접근법

문제가 주어지고 해법을 찾는 방식(Top-down)이다. 4단계로 진행한다.

문제 탐색(Problem Discovery) : 비즈니스 모델 캔버스로 업무(Operation), 제품(Product), 고객(Customer), 규제와 감사(Regulation & Audit), 지원 인프라(IT & Human Resource) 영역의 문제를 빠짐없이 찾는다. 분석 기회 발굴 범위를 거시적 관점(STEEP), 경쟁자 확대, 시장 니즈 변화, 역량의 재해석으로 넓히고, 외부 참조 모델(동종 업계 사례)도 활용한다
문제 정의(Problem Definition) : 비즈니스 문제를 데이터 문제로 바꾼다. 예를 들어 "고객 이탈 증가"를 "이탈 가능성이 높은 고객 예측"으로 정의한다
해결방안 탐색(Solution Search) : 분석 기법·시스템(기존 시스템 활용 / 신규 도입)과 분석 역량(확보 / 미확보)의 조합에 따라 기존 시스템 개선, 교육 및 채용, 시스템 고도화, 전문 업체 소싱 중에서 고른다
타당성 검토(Feasibility Study) : 경제적 타당성(비용 대비 편익)과 데이터·기술적 타당성을 검토한다

문제 정의 자체가 어려울 때, 데이터를 먼저 분석해 문제를 찾는 방식(Bottom-up)이다. "왜(Why)" 대신 "무엇(What)"이 데이터에 있는지부터 본다.

디자인 사고(Design Thinking) : 가능한 옵션을 넓게 도출하는 발산(Diverge)과 그중 쓸 만한 것을 추리는 수렴(Converge)을 반복한다
비지도 학습 : 목표 변수 없이 군집화, 연관 규칙 등으로 데이터 속 패턴을 찾는다
프로토타이핑 접근법 : 일단 분석을 시도해 결과를 보고 반복 개선한다. 가설 생성 → 디자인에 대한 실험 → 실제 환경 테스트 → 테스트 결과에서 통찰 도출 및 가설 확인 순으로 돈다. 문제가 불명확하거나 필요한 데이터가 있는지 확실하지 않을 때 쓴다

분석 대상(What)과 분석 방법(How)을 아는지 모르는지로 나눈다.

	분석 대상을 앎	분석 대상을 모름
분석 방법을 앎	최적화(Optimization)	통찰(Insight)
분석 방법을 모름	솔루션(Solution)	발견(Discovery)

평가 기준은 전략적 중요도, 비즈니스 성과·ROI, 실행 용이성이다. 이를 시급성(현재 ↔ 미래)과 난이도(쉬움 ↔ 어려움) 두 축의 사분면으로 정리한다.

시급성	난이도	의미
현재	쉬움	가장 먼저 수행한다
현재	어려움	지금 중요하지만 바로 하기 어렵다. 데이터·범위를 조정해 난이도를 낮추면 앞당길 수 있다
미래	쉬움	급하지 않지만 쉽게 할 수 있다
미래	어려움	중장기 과제. 가장 나중에 수행한다

현재·쉬움이 처음, 미래·어려움이 마지막이다.
두 번째·세 번째 순서는 시급성과 난이도 중 무엇을 우선하느냐에 따라 달라진다. 교재는 이를 사분면 번호(Ⅰ~Ⅳ)로 적는데, 번호를 붙이는 방식이 자료마다 달라 속성만으로 옮기면 어긋날 수 있다. 공부하는 교재의 그림에서 번호와 속성을 함께 확인한다.

빅데이터 관점에서는 투자비용 요소(Volume, Variety, Velocity)와 비즈니스 효과 요소(Value)로 ROI를 따진다. 자세한 내용은 비즈니스 기여도 평가를 본다.

단계	추진 내용
1단계 데이터 분석 체계 도입	분석 기회 발굴, 분석 과제 정의, 로드맵 수립
2단계 데이터 분석 유효성 검증	분석 알고리즘 설계, 분석 아키텍처 설계, 분석 과제 파일럿 수행
3단계 데이터 분석 확산 및 고도화	변화 관리, 시스템 구축, 유관 시스템 고도화

Data Size : 분석할 데이터의 양
Data Complexity : 정형·비정형 등 데이터 형태와 원천의 복잡도
Speed : 결과가 필요한 시점(실시간, 일 단위 배치 등)
Analytic Complexity : 모델의 복잡도. 정확도와 해석 가능성 사이에서 균형을 잡아야 한다
Accuracy & Precision : Accuracy는 실제 값과의 차이가 작은 정도, Precision은 반복했을 때 결과가 일관된 정도다. 둘은 트레이드오프 관계일 때가 많다